import warnings
warnings.simplefilter('ignore')

import gssm_utils

%matplotlib inline

# もし、再度ダウンロードが必要な場合は残りの行のコメントマーク「#」を除去して、このセルを再実行してください

# FILE_ID = "1EeCuDrfKdlsMxG9p3Ot7TIxfV9_f2smY"
# !gdown --id {FILE_ID}
# !unzip -o rakuten-1000-2023-2024.xlsx.zip

import numpy as np
import pandas as pd

all_df = pd.read_excel("rakuten-1000-2023-2024.xlsx")
print(all_df.shape)
display(all_df.head())

(10000, 18)

# 必要ライブラリのインポート
from collections import defaultdict
import MeCab

# mecab の初期化
tagger = MeCab.Tagger("-r ../tools/usr/local/etc/mecabrc --unk-feature 未知語")

# 単語頻度辞書の初期化
word_counts = defaultdict(lambda: 0)

# 抽出語情報リストの初期化
words = []

# 半角->全角変換マクロを定義する
ZEN = "".join(chr(0xff01 + i) for i in range(94))
HAN = "".join(chr(0x21 + i) for i in range(94))
HAN2ZEN = str.maketrans(HAN, ZEN)

# ストップワードを定義する
# stopwords = ['する', 'ある', 'ない', 'いう', 'もの', 'こと', 'よう', 'なる', 'ほう']
stopwords = ["湯畑"]

# データ1行ごとのループ
for index, row in all_df.iterrows():

    # 半角->全角変換した後で, mecab で解析する
    node = tagger.parseToNode(row["コメント"].translate(HAN2ZEN))

    # 形態素ごとのループ
    while node:
        # 解析結果を要素ごとにバラす
        features = node.feature.split(',')

        # 品詞1 を取り出す
        pos1 = features[0]

        # 品詞2 を取り出す
        pos2 = features[1] if len(features) > 1 else ""

        # 原形 を取り出す
        base = features[6] if len(features) > 6 else None

        # 原型がストップワードに含まれない単語のみ抽出する
        if base not in stopwords:

            # 「名詞-一般」
            if (pos1 == "名詞" and pos2 == "一般"):
                base = base if base is not None else node.surface
                postag = "名詞"
                key = (base, postag)

                # 単語頻度辞書をカウントアップする
                word_counts[key] += 1

                # 抽出語情報をリストに追加する
                words.append([index + 1, base, postag, row["カテゴリー"], row["エリア"], key])

            # 「形容動詞」
            elif (pos1 == "名詞" and pos2 == "形容動詞語幹"):
                base = base if base is not None else node.surface
                base = f"{base}だ"
                postag = "形容動詞"
                key = (base, postag)

                # 単語頻度辞書をカウントアップする
                word_counts[key] += 1

                # 抽出語情報をリストに追加する
                words.append([index + 1, base, postag, row["カテゴリー"], row["エリア"], key])

            # 「形容詞」
            elif pos1 == "形容詞":
                base = base if base is not None else node.surface
                postag = "形容詞"
                key = (base, postag)

                # 単語頻度辞書をカウントアップする
                word_counts[key] += 1

                # 抽出語情報をリストに追加する
                words.append([index + 1, base, postag, row["カテゴリー"], row["エリア"], key])

            # 「未知語」
            elif pos1 == "未知語":
                base = base if base is not None else node.surface
                postag = "未知語"
                key = (base, postag)

                # 単語頻度辞書をカウントアップする
                word_counts[key] += 1

                # 抽出語情報をリストに追加する
                words.append([index + 1, base, postag, row["カテゴリー"], row["エリア"], key])

        # 次の形態素へ
        node = node.next

# DataFrme 型に整える
columns = [
    "文書ID",
    # "単語ID",
    "表層",
    "品詞",
    "カテゴリー",
    "エリア",
    "dict_key",
]
docs_df = pd.DataFrame(words, columns=columns)

# DataFrame を表示する
print(docs_df.shape)
display(docs_df.head())

(158822, 6)

# 「文書-抽出語」 表から単語の出現回数をカウントする
word_list = []
for i, (k, v) in enumerate(sorted(word_counts.items(), key=lambda x:x[1], reverse=True)):
    word_list.append((i, k[0], v, k))

# DataFrame 型に整える
columns = [
    "単語ID",
    "表層",
    "出現頻度",
    "dict_key"
]
word_counts_df = pd.DataFrame(word_list, columns=columns)

# DataFrame を表示する
print(word_counts_df.shape)
display(word_counts_df.head(10))

(9060, 4)

# 「単語出現回数」 表から出現回数Top 150語のみ抽出する
word_counts_150_df = word_counts_df[0:150]

# 「文書-抽出語」 表も出現回数Top 150語のみに絞り込む
merged_df = pd.merge(docs_df, word_counts_150_df, how="inner", on="dict_key", suffixes=["", "_right"])
docs_150_df = merged_df[["文書ID", "単語ID", "表層", "品詞", "カテゴリー", "エリア", "dict_key"]]

# DataFrame を表示する
print(docs_150_df.shape)
display(docs_150_df)

(87334, 7)

# 出現回数Top 75単語でワードクラウドを作成する
words = ' '.join(word_counts_df['表層'][0:75])
gssm_utils.plot_wordcloud(words)

# 「単語出現回数」 表から出現回数Top 75語のみ抽出する
word_counts_75_df = word_counts_df[0:75]

# 「文書-抽出語」 表も出現回数Top 75語のみに絞り込む
merged_df = pd.merge(docs_df, word_counts_75_df, how="inner", on="dict_key", suffixes=["", "_right"])
docs_75_df = merged_df[["文書ID", "単語ID", "表層", "品詞", "カテゴリー", "エリア", "dict_key"]]

# 「カテゴリー,エリア」でクロス集計する
cross_75_df = pd.crosstab(
    [
        docs_75_df['カテゴリー'], 
        docs_75_df['エリア'], 
        docs_75_df['文書ID']
    ], 
    docs_75_df['単語ID'], margins=False
)
cross_75_df.columns = word_counts_75_df["表層"]

# DataFrame を表示する
print(cross_75_df.shape)
display(cross_75_df)

(9677, 75)

# 「文書-抽出語」 表を {0,1} に変換する
cross_75_df[cross_75_df > 0] = 1

# DataFrame を表示する
print(cross_75_df.shape)
display(cross_75_df)

(9677, 75)

# 必要ライブラリのインポート
from scipy.sparse import csc_matrix

# 共起行列を作成する
X = cross_75_df.values
X = csc_matrix(X)
Xc = (X.T * X)
# 対角成分のみにする
Xc = np.triu(Xc.toarray())

# DataFrame 型に整える
cooccur_75_df = pd.DataFrame(Xc, columns=cross_75_df.columns, index=cross_75_df.columns)

# DataFrame を表示する
print(cooccur_75_df.shape)
display(cooccur_75_df.head())

(75, 75)

# 共起行列の中身を Jaccard 係数に入れ替える
jaccard_75_df = gssm_utils.jaccard_coef(cooccur_75_df, cross_75_df)

# DataFrame を表示する
print(jaccard_75_df.shape)
display(jaccard_75_df.head())

(75, 75)

# 抽出語の出現回数(ノードの大きさ)を取得する
word_counts = cross_75_df.sum(axis=0).values

# 共起行列(Jaccard係数)で共起ネットワーク図を作成する
gssm_utils.plot_cooccur_network(jaccard_75_df, word_counts, np.sort(jaccard_75_df.values.reshape(-1))[::-1][60])

<Figure size 800x800 with 0 Axes>

# チャンク(文節)から単語を取り出す
def get_words(tree, from_chunk, stopwords):

    # チャンク(文節)の開始位置を取得する
    beg = from_chunk.token_pos

    # チャンクの開始位置を取得する
    end = from_chunk.token_pos + from_chunk.token_size

    # 抽出語情報リストの初期化
    words = []

    # チャンク(文節)ごとのループ
    for i in range(beg, end):

        # チャンク中の形態素を取り出す
        token = tree.token(i)

        # 解析結果を要素ごとにバラす
        features = token.feature.split(',')

        # 品詞1 を取り出す
        pos1 = features[0]

        # 品詞2 を取り出す
        pos2 = features[1] if len(features) > 1 else ""

        # 原形 を取り出す
        base = features[6] if len(features) > 6 else None

        # 原型がストップワードに含まれない単語のみ抽出する
        if base not in stopwords:

            # 「名詞-一般」
            if (pos1 == "名詞" and pos2 == "一般"):
                base = base if base is not None else node.surface
                postag = "名詞"
                key = (base, postag)

                # 抽出語情報をリストに追加する
                words.append(key)

            # 「形容動詞」
            elif (pos1 == "名詞" and pos2 == "形容動詞語幹"):
                base = base if base is not None else node.surface
                base = f"{base}だ"
                postag = "形容動詞"
                key = (base, postag)

                # 抽出語情報をリストに追加する
                words.append(key)

            # 「形容詞」
            elif pos1 == "形容詞":
                base = base if base is not None else node.surface
                postag = "形容詞"
                key = (base, postag)

                # 抽出語情報をリストに追加する
                words.append(key)

            # 「未知語」
            elif pos1 == "未知語":
                base = base if base is not None else node.surface
                postag = "未知語"
                key = (base, postag)

                # 抽出語情報をリストに追加する
                words.append(key)

    # 抽出語情報をリストを返却する
    return words


# 必要ライブラリのインポート
import CaboCha

# cabocha の初期化
cp = CaboCha.Parser("-r ../tools/usr/local/etc/cabocharc")

# 半角->全角変換マクロを定義する
ZEN = "".join(chr(0xff01 + i) for i in range(94))
HAN = "".join(chr(0x21 + i) for i in range(94))
HAN2ZEN = str.maketrans(HAN, ZEN)

# ストップワードを定義する
# stopwords = ['する', 'ある', 'ない', 'いう', 'もの', 'こと', 'よう', 'なる', 'ほう']
stopwords = ['*']  # 原形に 「'*'」 が出力された場合に除去するため

# 係り受けペア辞書の初期化
pair_counts = defaultdict(lambda: 0)
pairs = []

# データ1行ごとのループ
for index, row in all_df.iterrows():

    # 半角->全角変換した後で, cabocha で解析する
    tree = cp.parse(row["コメント"].translate(HAN2ZEN))

    # 解析結果から空でないチャンク(文節)のリストを集める
    chunks = {}
    key = 0
    for i in range(tree.size()):
        tok = tree.token(i)
        if tok.chunk:
            chunks[key] = tok.chunk
            key += 1

    # 係り元と係り先の単語情報(原形と品詞)を集める
    for from_chunk in chunks.values():
        # 係り先がなければスキップ
        if from_chunk.link < 0:
            continue

        # 係り先のチャンク(文節)を取得する
        to_chunk = chunks[from_chunk.link]

        # 係り元の単語情報(原形と品詞)を取得する
        from_words = get_words(tree, from_chunk, stopwords)

        # 係り先の単語情報(原形と品詞)を取得する
        to_words = get_words(tree, to_chunk, stopwords)

    # 係り受けペアと頻度を収集する
    for f in from_words:
        for t in to_words:
            key = (f[0], t[0])
            pair_counts[key] += 1


# 係り受け行列を初期化する (共起行列と同じ形)
Xd = np.zeros(cooccur_75_df.shape)

# 係り受けペアを係り受け列に変換する
for (f,t), v in pair_counts.items():
    columns = list(cooccur_75_df.columns)
    if f in columns and t in columns:
        i = columns.index(f)
        j = columns.index(t)
        Xd[i,j] = v

# DataFrme 型に整える
dep_75_df = pd.DataFrame(Xd, columns=cooccur_75_df.columns, index=cooccur_75_df.columns)
print(dep_75_df.shape)
display(dep_75_df.head())

(75, 75)

# 係り受け行列の中身(numpy行列)を取り出す
Xc = dep_75_df.values

# 係り受け行列(条件付き確率)を初期化する (元の係り受け行列と同じ形)
Xd = np.zeros(Xc.shape)

# 係り元単語の出現頻度を取得する
word_counts = cooccur_75_df.sum(axis=0).values

# 係り受けペアごとのループ
for (f,t), v in pair_counts.items():
    columns = list(dep_75_df.columns)

    # 係り元と係り先の両方が列に含まれる
    if f in columns and t in columns:
        i = columns.index(f)
        j = columns.index(t)

        # 条件付き確率(係り受け頻度/係り先出現回数)を求める
        Xd[i,j] = v / word_counts[i]

# DataFrame 型に整える
dep_75_df = pd.DataFrame(Xd, columns=dep_75_df.columns, index=dep_75_df.columns)

# DataFrame を表示する
print(dep_75_df.shape)
display(dep_75_df.head())

(75, 75)

# 抽出語の出現回数(ノードの大きさ)を取得する
word_counts = cross_75_df.sum(axis=0).values

# 係り受け(条件付き確率)で共起ネットワーク図を作成する
gssm_utils.plot_dependency_network(dep_75_df, word_counts, np.sort(dep_75_df.values.reshape(-1))[::-1][60], pyvis=True)

pyvis.html

<Figure size 800x800 with 0 Axes>

# DataFrame を表示する
print(cross_75_df.shape)
display(cross_75_df.head())

(9677, 75)

# 「カテゴリー」のクロス集計と「エリア」のクロス集計を連結する
aggregate_75_df = pd.concat(
    [
        cross_75_df.groupby(level='カテゴリー').sum(), 
        cross_75_df.groupby(level='エリア').sum()
    ]
)

# DataFrame を表示する
print(aggregate_75_df.shape)
display(aggregate_75_df)

(12, 75)

# 必要ライブラリのインポート
import mca

# ライブラリ mca による対応分析
ncols = aggregate_75_df.shape[1]
mca_ben = mca.MCA(aggregate_75_df, ncols=ncols, benzecri=False)

# 行方向および列方向の値を取り出す
row_coord = mca_ben.fs_r(N=2)
col_coord = mca_ben.fs_c(N=2)

# 固有値を求める
eigenvalues = mca_ben.L
total = np.sum(eigenvalues)
# 寄与率を求める
explained_inertia = 100 * eigenvalues / total

# 行方向および列方向のラベルを取得する
row_labels = aggregate_75_df.index
col_labels = aggregate_75_df.columns

# プロットする
gssm_utils.plot_coresp(row_coord, col_coord, row_labels, col_labels, explained_inertia)

# DataFrame を表示する
print(cross_75_df.shape)
display(cross_75_df.head())

(9677, 75)

# 必要ライブラリのインポート
from sklearn.decomposition import LatentDirichletAllocation as LDA

# ライブラリ LDA によるトピック抽出
lda = LDA(max_iter=25, learning_method='batch', random_state=42, n_jobs=-1, n_components=6)
lda.fit(cross_75_df.values)

# トピックごとに出現確率Top 20語を表示する
n_top_words = 20
feature_names = cross_75_df.columns
for topic_idx, topic in enumerate(lda.components_):
    print(f"Topic # {topic_idx+1}:", end=" ")
    for i in topic.argsort()[:-n_top_words-1:-1]:
        print(feature_names[i], end=" ")
    print()

Topic # 1: 部屋 良い 綺麗だ 風呂 立地 狭い 広い 浴場 トイレ 無い 残念だ ない 気 人 十分だ 美味しい 安い 快適だ 値段 悪い 
Topic # 2: ホテル フロント ない 部屋 いい 良い 古い 感じ アウト スタッフ よい 荷物 立地 他 残念だ 値段 必要だ 建物 気 悪い 
Topic # 3: 部屋 ホテル 快適だ 多い 清潔だ 広い ベッド 良い 嬉しい 種類 美味しい ない アメニティ バイキング バス 風呂 浴場 少ない 無料 プラン 
Topic # 4: 温泉 最高 部屋 良い 風呂 美味しい 露天風呂 夕食 宿 ない 残念だ お湯 湯 多い よい 浴場 いい 広い 感じ 旅館 
Topic # 5: 便利だ 駅 近い コンビニ 立地 部屋 良い よい ホテル きれいだ 徒歩 静かだ 場所 やすい バス 大変だ 快適だ 広い 非常だ 清潔だ 
Topic # 6: スタッフ 美味しい 大変だ 良い 家族 部屋 素晴らしい 風呂 気持ちよい 宿 丁寧だ 温泉 素敵だ 親切だ ご飯 楽しい 子供 よい おいしい 機会

# トピックごとに出現確率Top 75語でワードクラウドを作成する
n_top_words = 75
gssm_utils.plot_topic_model(lda, feature_names, n_top_words)

# 文書ごとのトピック比率を取得
doc_topic_distributions = lda.transform(cross_75_df.values)

# 文書全体のトピック比率を計算（平均を取る）
overall_topic_distribution = np.mean(doc_topic_distributions, axis=0)

gssm_utils.plot_topic_distribution(overall_topic_distribution)

# 「単語出現回数」 表から出現回数Top 150語のみ抽出する
word_counts_150_df = word_counts_df[0:150]

# 「文書-抽出語」 表も出現回数Top 150語のみに絞り込む
merged_df = pd.merge(docs_df, word_counts_150_df, how="inner", on="dict_key", suffixes=["", "_right"])
docs_150_df = merged_df[["文書ID", "単語ID", "表層", "品詞", "カテゴリー", "エリア", "dict_key"]]

# 「カテゴリー,エリア」でクロス集計する
cross_150_df = pd.crosstab(
    [
        docs_150_df['カテゴリー'], 
        docs_150_df['エリア'], 
        docs_150_df['文書ID']
    ], 
    docs_150_df['単語ID'], margins=False
)
cross_150_df.columns = word_counts_150_df["表層"]

# DataFrame を表示する
print(cross_150_df.shape)
display(cross_150_df)

(9782, 150)

# 「文書-抽出語」 表を {0,1} に変換する
cross_150_df[cross_150_df > 0] = 1

# DataFrame を表示する
print(cross_150_df.shape)
display(cross_150_df)

(9782, 150)

# 「カテゴリー」のクロス集計と「エリア」のクロス集計を連結する
aggregate_df = pd.concat(
    [
        cross_150_df.groupby(level='カテゴリー').sum(),
        cross_150_df.groupby(level='エリア').sum()
    ]
)

# DataFrame を表示する
print(aggregate_df.shape)
display(aggregate_df)

(12, 150)

# 抽出語の出現回数を取得する
word_counts = cross_150_df.sum(axis=0).values

# 属性(外部変数)出現数を取得する
attr_counts = np.hstack(
    [
        all_df.value_counts('カテゴリー').values,
        all_df.value_counts('エリア').values
    ]
)

# 共起行列の中身を Jaccard 係数に入れ替える
jaccard_attrs_df = gssm_utils.jaccard_attrs_coef(aggregate_df, attr_counts, word_counts, total=10000, conditional=False)

# DataFrame を表示する
print(jaccard_attrs_df.shape)
display(jaccard_attrs_df)

(12, 150)

# 「カテゴリ」や「エリア」ごとに Jaccard 係数のTop 10語を抽出する
df_list = []
for index, row in jaccard_attrs_df.iterrows():
    df_list.append(row.iloc[np.argsort(row.values)[::-1][:10]].reset_index())

# 「カテゴリ」や「エリア」ごとの Jaccard 係数のTop 10 を横方向に連結した DetaFrame を作成する
ranking_df = pd.DataFrame(pd.concat(df_list, axis=1))
ranking_df.columns = np.array([c for pair in [[x,f"jaccard"] for x in jaccard_attrs_df.index] for c in pair], dtype='object')

# DataFrame を表示する
display(ranking_df)

for name, group in cross_150_df.groupby(level='カテゴリー'):
    print(name)

    # 「カテゴリー」ごとに Jaccard 係数でソートする
    sorted_columns = np.argsort(jaccard_attrs_df.loc[name].values)[::-1][:75]

    # Jaccard 係数Top 75語をソートして抽出する
    group_cross_df = group.iloc[:,sorted_columns]

    # プロットする
    gssm_utils.plot_wordcloud(" ".join(group_cross_df.columns))

A_レジャー

B_ビジネス

# 必要ライブラリのインポート
from scipy.sparse import csc_matrix

for name, group in cross_150_df.groupby(level='カテゴリー'):
    print(name)

    # 「カテゴリー」ごとに Jaccard 係数でソートする
    sorted_columns = np.argsort(jaccard_attrs_df.loc[name].values)[::-1][:75]

    # Jaccard 係数Top 75語をソートして抽出する
    group_cross_df = group.iloc[:,sorted_columns]

    # 共起行列を作成する
    X = group_cross_df.values
    X = csc_matrix(X)
    Xc = (X.T * X)
    Xc = np.triu(Xc.toarray())

    # 共起行列を DataFrame に整える
    group_cooccur_df = pd.DataFrame(Xc, columns=group_cross_df.columns, index=group_cross_df.columns)

    # 共起行列の中身を Jaccard 係数に入れ替える
    group_jaccard_df = gssm_utils.jaccard_coef(group_cooccur_df, group_cross_df)

    # 抽出語の出現回数を取得する
    word_counts = group.sum(axis=0).values

    # プロットする
    gssm_utils.plot_cooccur_network(group_jaccard_df, word_counts, np.sort(group_jaccard_df.values.reshape(-1))[::-1][60])

A_レジャー

<Figure size 800x800 with 0 Axes>

B_ビジネス

<Figure size 800x800 with 0 Axes>

# 必要ライブラリのインポート
from sklearn.decomposition import LatentDirichletAllocation as LDA

# ライブラリ LDA によるトピック抽出
lda = LDA(max_iter=25, learning_method='batch', random_state=42, n_jobs=-1, n_components=6)
lda.fit(cross_150_df.values)

# トピックごとに出現確率Top 20語を表示する
n_top_words = 20
feature_names = cross_150_df.columns
for topic_idx, topic in enumerate(lda.components_):
    print(f"Topic # {topic_idx+1}:", end=" ")
    for i in topic.argsort()[:-n_top_words-1:-1]:
        print(feature_names[i], end=" ")
    print()

Topic # 1: 部屋 ない 良い 残念だ ホテル 風呂 気 無い フロント 悪い 狭い トイレ 人 ベッド 他 欲しい アメニティ 音 必要だ アウト 
Topic # 2: 多い 部屋 種類 バイキング 美味しい 良い ホテル ない プラン 浴場 快適だ 広い 豊富だ 客 ビュッフェ 高い 品数 メニュー 少ない 嬉しい 
Topic # 3: 部屋 便利だ 立地 駅 良い 近い ホテル コンビニ 快適だ よい 綺麗だ 広い やすい 徒歩 バス 大変だ 場所 清潔だ 静かだ きれいだ 
Topic # 4: よい 温泉 部屋 最高 風呂 いい 良い お湯 湯 立地 美味しい 感じ 露天風呂 宿 ない サウナ きれいだ 浴場 温度 残念だ 
Topic # 5: 美味しい 部屋 風呂 良い 宿 家族 大変だ 温泉 露天風呂 広い 夕食 素晴らしい ご飯 最高 素敵だ 子供 量 綺麗だ 気持ち良い 楽しい 
Topic # 6: スタッフ 丁寧だ 良い フロント 親切だ ホテル 方々 部屋 皆さん 気持ちよい 女性 笑顔 大変だ 素晴らしい 美味しい アウト 優しい 素敵だ 綺麗だ 満足だ

# トピックごとに出現確率Top 75語でワードクラウドを作成する
n_top_words = 75
gssm_utils.plot_topic_model(lda, feature_names, n_top_words)

for name, group in cross_150_df.groupby(level='カテゴリー'):
    print(name)

    # 文書ごとのトピック比率を取得
    doc_topic_distributions = lda.transform(group.values)

    # 文書全体のトピック比率を計算（平均を取る）
    overall_topic_distribution = np.mean(doc_topic_distributions, axis=0)

    gssm_utils.plot_topic_distribution(overall_topic_distribution)

A_レジャー

B_ビジネス

for name, group in all_df.groupby('カテゴリー'):
    print(name)
    search_index = group['コメント'].str.contains('夕食') & group['コメント'].str.contains('残念')
    display(group[search_index])

A_レジャー

B_ビジネス

for name, group in all_df.groupby('カテゴリー'):
    print(name)
    search_index = group['コメント'].str.contains('夕食') & group['コメント'].str.contains('残念')
    print(group[search_index]['コメント'].values[:10])  # とりあえず10件のみ出力
    print()

A_レジャー
['会席料理の宿を探していて見つけました。お料理大変おいしかったです。オールインクルーシブも気兼ねなくお酒を飲むことができて有り難かったです。少し残念だった点は、夕食の準備をして下さった方が急いでいたためか忙しなく、私の腕に手が当たって引っかかれてしまったり、お料理に火をつけたチャッカマンの先が家族の腕に当たって熱かったりしたことです。もう少しゆとりがあるといいと思いました。全体としては満足でした。機会があればまた利用したいです。ありがとうございました。'
 'シンプルで静かで素敵なホテルでした。趣のある商店街の一角にあり、歩いてすぐのところにコンビニがあるのも便利でした。駐車場も無料で利用できました。和洋室は家族5人で泊っても十分な広さでしたし、部屋を出てすぐのところに喫煙所や自動販売機、電子レンジもあり便利でした。夕食がお弁当なのは少し残念でしたが部屋でゆっくり気兼ねなく食べれましたし、朝ごはんで選んだ鯛茶漬けはとても美味しく、バイキングの品数も丁度良い量でした。全体として、コスパは良いと思います。家族全員満足でした。'
 '2週間後の宿泊\u3000温泉地のホテルでなるべく価格を抑えて朝夕食事付き\u3000で探し、古いのかな、とおもい予約した。宿泊してよかったです。駐車場は直ぐ近く早めに着いたけど停められて\u3000観光、温泉街散策がゆっくりでき、お部屋もきれい。温泉は脱衣所から階段で降りて行くのに驚ましたが、とても気持ちよかったです。食事も美味しく補充の早さもよく特にホタテ美味しかったです。欲を言えば、朝牛乳が切れたのか無くなっていたのが残念です。'
 '愛犬と足の悪い姉と夫の３人と一匹で、伺いました。お部屋は、古い感じですが、和室で皆寛ぐ事が出来ました。ウェルカムドリンクも最高!夕食は、お部屋で愛犬を待たせることなく、楽しめましたし、姉も気を使わなくて良かった！と、喜んでいました。ただ、お風呂がとても寒く、お湯もぬるかったので…風邪を引きそうだったのが残念です。スタッフさんの、声がけもとても温かく、また伺いたいと思いました。'
 'お食事は夕食朝食ともに、素晴らしかったです。お部屋とお風呂にブラシがなく？と思って帰りに気がついたのだが、フロントにアメニティがあり、到着時、一言欲しかったです。お布団が最初からひいてあり、和室にした意味合いが余り感じられず、残念でした。日帰り用の大広間は、怖い感じがしたので、改善したらもっと良くなると思います。フロント、売店周辺もやる気の無さが感じられました。お食事と温泉の質がとても良いので、又、利用したいと思いますました。'
 '家族三人での宿泊です。お風呂は期待通りゆっくり堪能でき、チェックイン前、チェックアウト後も利用して大満足でした。料理はバイキングでしたが、他ホテルと比べても上質で、とても美味しくいただけました。ただ、夕食、朝食時に開始時間前に並んだのですが、なかなか入れず、混雑の整理ができていない点や、ドリンクオーダーが来なかったり、統率・段取りの悪さが残念に思いました。また、今回仕方が無いこと思っていますが、大浴場までのエスカレータが水害で使用停止になっていたり、駐車場が道路を渡った先にあるなど、身体に一部不自由がある身としては残念に思いました。早く全面復旧されることを願っています。'
 '何回も泊まらせて頂いてますが、今回夕食のバイキング時80分までの時間制限があり時間近くなるとそろそろですと案内があったりと忙しなかった。泊まりでゆっくりしたいと期待していた分日常に戻ったかんじで残念でした。スタッフも人手不足が目立つ印象でした。ただ子ども達は大満足。子どもには良いけれど大人は物足りないかなぁ前は大人もゆっくりできて家族皆満足だったけど…せめてバイキングの時間制限はして欲しくない。'
 'どうせ行くなら旅行割のある期間に行きたいなと思い、2023年1月31日に宿泊しました。ここのお宿のメインイベントは夕食のビュッフェで、蟹・いくら・ステーキなどが食べ放題というところでした。ビュッフェ会場が2ヶ所あり、簡単に言うとお値段の安い方と高い方でした。勿論、夕食がメインイベントとして宿泊したため、高い方のグリーンテラスという会場にてお食事をしました。一言でいうと大満足でした。ご飯の種類もたくさんあり、どれも美味しくて、お腹いっぱいでした。小さい子ども連れでしたが、ちゃんとベビーチェア(キッズチェア)もあり、またプレイルームもあり、ご飯を食べ終えて飽き飽きしていた娘はそこでものすごく楽しそうに遊んでいました。子どももいて時間もかかりましたが、2時間滞在してしまいました。またこのお宿は露天風呂が有名で、冬の時期の露天風呂は、顔が冷たいけど、お湯が温かく、何時間でも入っていられるような空間でした。気のせいか、次の日の化粧のノリが良かったように感じました。ベビーやキッズの館内着もあり良かったです。お部屋の壁が少し薄いのか、近くの部屋の扉の音などが響いてきていて、そこは残念だなと思いました。全体的には、とても満足して良い旅行になりました。また泊まりたいなとも思っています。'
 '8月後半に利用しました。洞爺湖には素敵なホテルが数々ある中で、迷って迷って選んだホテルです。決めては夕食がブッフェではない事。もちろん高い料金を出せば叶うのですが、こちらのホテルの料金はとてもリーゾナブルだと思います。広いお風呂の方が好きなので客室露天風呂付きではないグレードに部屋を選びましたが、2人には十分な広さでした。花火もお部屋から十分にを堪能することができましたし。個室での夕食も一品一品繊細でとても美味しかったです。ただクーラーが付いていなかったので、猛暑の今年は少し辛く扇風機を回してもらいました。そこだけが残念だったところです。翌朝の朝食会場からの眺めも素晴らしく、このホテルにして良かったと思えました。'
 '夕食は海鮮系の惣菜や蟹が食べられ、とても美味しかったです！！！子供向けのメニューがあまりなかった(ポテト、唐揚げはあり)のが少し残念でした。大浴場は男女交代制ですが、どちらにも滑り台がついており、子連れには嬉しいポイントでした！(滑り台はけっこう滑るので少し怖いかも、、、)子供用の館内着もあり嬉しかったですが、小さい方のサイズが全然なかったため2人いたのですが、1人分しか確保できなかったです。ですが、全体的には満足できるお宿でした！']

B_ビジネス
['夕食の北海御前4500円付のプランにしましたが、とても値段に見合わない質、量の食事でした。その分、レストランはガラガラでしたが。定食の方がリーズナブルなので、それを選べる形の方が嬉しかったです。部屋はツインにしていただけましたが、連泊の場合、2日に1回しか掃除が入らないというのが驚きでした。ニューオータニなのに。最近は人が足りないのでしょうが、他のホテルでは希望すれば掃除ありが普通なので残念でした。以前宿泊した時よりもレベルが落ちた気がします。フロントとかの対応はしっかりで良かったです。'
 '娘の結婚式に出席するために親族含めて2泊しました。式場にも近く夕食を摂るため近くに美味しいお店がありました。4部屋利用するため近い部屋してほしいと事前にホテルに電話したところ心よく引き受けていただきました。実際チェックインするとそのようにしていただきありがとうございました。お部屋もきれいで大浴場もきれいで良かったです。朝食はバイキング形式で北海道名物の味噌ラーメンやスープカレーがあり美味しかったです。連泊した2日間はほほ同じメニューだったので少し変えて欲しいなと思いました。スープカレーに入れるポテトと鳥のから揚げが冷たかったのが残念だったです。（温かいスープに入れるから冷たくてもいいのかもしれませんが）全体的に利用して良かったです。お世話になりました。'
 '良かった点駅前から乗車できるシャトルバスはとても便利でした、もう少し本数増やしてくれると観光の幅も広がるので嬉しいです。朝食はエッグステーションもありとても満足しました！種類も多く味も美味しかったです！夕食もずわい蟹があったり鹿のジンギスカンがあったり海鮮丼ができたり、デザートもシャトレーゼの店においてあるケーキがあったりととても満足しました。いまいちだった点プール、寒かったです人もまばらだし閑散としていて楽しくなかった。温泉は工事中で入れるところも少なく残念でした。500円の割引チケットは頂けました。外国人が多く、文化の違いなので仕方ありませんが片足あげて飲み食いされてる隣で食事とはなんとも、海外にいったら私も気をつけようと思いました。'
 '館内レストランで夕食を休止していたのでちかくの食べれるところをスタッフに尋ねたら面倒くさい感じで、場所も食事内容も書いてないチラシを渡され、離れたソファーで見てくれと。こんな扱いははじめての経験だった。他の事は満足だったので、残念。'
 '家族3人での利用でした。空庭温泉目的だったので、とても近くてよかった。ホテル下には、スーパー、ダイソー、パン屋、コンビニ、ファストフード等があり便利です。駅もすぐなので、町中へ出かけるのにも便利でした。夕食は、ホテル近くの居酒屋を期待してウロウロしたけど、思っていたより静かな駅前でした。迷うほど店はありません。ホテルで残念な点は、部屋はオシャレで小綺麗だけど、カーペット部分が誇りっぽい。エキストラベット下のカーペットは剥がれまくり。壁紙も剥がれていて少し不快でした。あと、テイクアウトのコーヒーが美味しくない。ジュースにすればよかった。。。'
 '８月に２泊しましたが、使い捨てスリッパの袋が縦に破れていたり、トイレ・バスルームは下水臭く、窓側の天井にはびっしり埃が付いていました。トイレのサニタリー袋にも汚れが付いていて、ここまで清掃がいい加減なホテルは初めてです。冷房の風の音も気になり、つけたまま寝ることができませんでした。その他、次の日の朝ご飯を冷蔵庫に入れて夕食に出かけると、電源がオフになったのか冷蔵庫の上部が熱くなっていて食べ物も温かくなっていました。こういったシステムのホテルもあるかと思いますが、なにか注意書でもあればなと思いました。宿泊費も結構高かったので、このクオリティは本当に残念です。'
 '久しぶりにザ・レジデンシャルスィート福岡を利用しました。PayPayドームを利用する際に、私は最高・最適なところと思っています。プロ野球の公式戦ホークス対イーグルスを観戦するために、午前中のうちに南九州の自宅を出発しました。あいにくの台風６号の接近により、大雨の中に九州自動車道を急ぎました。福岡県に入ったころで、PayPayドームでの公式戦中止のメールを受信しました。涙が出そうでした。しかし、ホテルの予約はあるので、宿泊は予定通り行いました。マリノアシティやMARK IS 福岡ももちでショッピングを楽しみました。夕食はPayPayドームで食べる予定だったのですが、試合中止と天候悪化でホテルに戻りました。ホテルの近くにあるボンパラスで夕食の惣菜を買いました。いろいろな惣菜が多彩にあり、にぎり寿司や刺身、麻婆豆腐などを買って、部屋で食べました。ホテルの部屋は一人で利用するには広すぎるぐらいで、快適でした。部屋にある洗濯機で洗濯をして、ホテル内のランドリーで乾燥もできました。台風が近づいている中でしたが、物音が気にならず、快適に眠りました。翌日は、福岡博物館でジブリ展を見に行こうとしましたが、台風のために開館が午後となり、残念でした。再度書きますが、ホテルは最高・最適でした。'
 '孫が高校受験に合格した御祝の旅行宿泊でしたが、夕食のステーキ食べ放題を楽しみにしていたのに旅行1ヶ月切った位にホテルから連絡が有り夕食の準備が出来ないので、今だったら無料でこちらからキャンセルしても良いとの事。そのまま宿泊だと夕食代返金、御部屋グレードアップ、ドリンクチケットと言われ今更別のホテルを探すのも大変なのでその条件で宿泊しました。フロントの対応は良く、部屋も広かったのですが、孫が楽しみにしていた夕食が無くなったので残念でした。折角の合格祝いだったのに少し残念でした。']

# ToDo: 1.11.5 のセル中のコードをコピーして貼り付け,「カテゴリー」を「エリア」に変更する

for name, group in cross_150_df.groupby(level='エリア'):
    print(name)

    # 「カテゴリー」ごとに Jaccard 係数でソートする
    sorted_columns = np.argsort(jaccard_attrs_df.loc[name].values)[::-1][:75]

    # Jaccard 係数Top 75語をソートして抽出する
    group_cross_df = group.iloc[:,sorted_columns]

    # プロットする
    gssm_utils.plot_wordcloud(" ".join(group_cross_df.columns))

01_登別

02_草津

03_箱根

04_道後

05_湯布院

06_札幌

07_名古屋

08_東京

09_大阪

10_福岡

# ToDo: 1.11.6 のセル中のコードをコピーして貼り付け,「カテゴリー」を「エリア」に変更する

# 必要ライブラリのインポート
from scipy.sparse import csc_matrix

for name, group in cross_150_df.groupby(level='エリア'):
    print(name)

    # 「カテゴリー」ごとに Jaccard 係数でソートする
    sorted_columns = np.argsort(jaccard_attrs_df.loc[name].values)[::-1][:75]

    # Jaccard 係数Top 75語をソートして抽出する
    group_cross_df = group.iloc[:,sorted_columns]

    # 共起行列を作成する
    X = group_cross_df.values
    X = csc_matrix(X)
    Xc = (X.T * X)
    Xc = np.triu(Xc.toarray())

    # 共起行列を DataFrame に整える
    group_cooccur_df = pd.DataFrame(Xc, columns=group_cross_df.columns, index=group_cross_df.columns)

    # 共起行列の中身を Jaccard 係数に入れ替える
    group_jaccard_df = gssm_utils.jaccard_coef(group_cooccur_df, group_cross_df)

    # 抽出語の出現回数を取得する
    word_counts = group.sum(axis=0).values

    # プロットする
    gssm_utils.plot_cooccur_network(group_jaccard_df, word_counts, np.sort(group_jaccard_df.values.reshape(-1))[::-1][60])

01_登別

<Figure size 800x800 with 0 Axes>

02_草津

<Figure size 800x800 with 0 Axes>

03_箱根

<Figure size 800x800 with 0 Axes>

04_道後

<Figure size 800x800 with 0 Axes>

05_湯布院

<Figure size 800x800 with 0 Axes>

# ToDo: 1.11.7.2 のセル中のコードをコピーして貼り付け,そのまま実行する

n_top_words = 75
gssm_utils.plot_topic_model(lda, feature_names, n_top_words)

# ToDo: 1.11.7.3 のセル中のコードをコピーして貼り付け,「カテゴリー」を「エリア」に変更する

for name, group in cross_150_df.groupby(level='エリア'):
    print(name)

    # 文書ごとのトピック比率を取得
    doc_topic_distributions = lda.transform(group.values)

    # 文書全体のトピック比率を計算（平均を取る）
    overall_topic_distribution = np.mean(doc_topic_distributions, axis=0)

    gssm_utils.plot_topic_distribution(overall_topic_distribution)

01_登別

02_草津

03_箱根

04_道後

05_湯布院

06_札幌

07_名古屋

08_東京

09_大阪

10_福岡

# ToDo: 1.11.8 のセル中のコードをコピーして貼り付け,「カテゴリー」を「エリア」に変更する

for name, group in all_df.groupby('エリア'):
    print(name)
    search_index = group['コメント'].str.contains('夕食') & group['コメント'].str.contains('残念')
    display(group[search_index].head())  # 先頭の5件ずつ表示

01_登別

02_草津

03_箱根

04_道後

05_湯布院

06_札幌

07_名古屋

08_東京

09_大阪

10_福岡

	カテゴリー	エリア	施設番号	施設名	コメント	総合	サービス	立地	部屋	設備・アメニティ	風呂	食事	旅行の目的	同伴者	宿泊年月	投稿者	年代	性別
0	A_レジャー	01_登別	80732	登別カルルス温泉　湯元オロフレ荘	彼のリクエストでカルルス温泉に宿泊させていただきました。北海道ラブ割利用でお得に宿泊できる分...	5	5	4	5	5.0	5.0	5.0	レジャー	恋人	45231	投稿者	na	na
1	A_レジャー	01_登別	149334	天然温泉　幸鐘の湯　ドーミーイン東室蘭（ドーミーイン・御宿野乃　ホテルズグループ）	室蘭方面の旅行の時には何度か宿泊しています。ドーミーインのサービスはとても良くて大好きです。...	4	5	5	2	5.0	5.0	5.0	レジャー	家族	45413	投稿者	na	na
2	A_レジャー	01_登別	109022	心のリゾート　海の別邸ふる川	もう一度行きたくなる宿でした。部屋もワンランクアップしていただき感謝しています。お風呂も最高...	4	3	5	5	4.0	5.0	3.0	レジャー	一人	45261	gaku0713	60代	男性
3	A_レジャー	01_登別	7506	ホテルニューバジェット室蘭	居心地良く過ごせました	4	4	4	4	4.0	4.0	3.0	レジャー	一人	45200	投稿者	na	na
4	A_レジャー	01_登別	37380	登別温泉　旅亭　花ゆら	事前カード精算で露天風呂付特別和洋室を予約しましたが別の和室に案内されました。すぐ違うことに...	1	2	4	2	2.0	4.0	3.0	レジャー	家族	45323	投稿者	na	na

	単語ID	表層	出現頻度	dict_key
0	0	部屋	6768	(部屋, 名詞)
1	1	良い	5397	(良い, 形容詞)
2	2	ホテル	3001	(ホテル, 名詞)
3	3	風呂	2692	(風呂, 名詞)
4	4	ない	2392	(ない, 形容詞)
5	5	美味しい	2294	(美味しい, 形容詞)
6	6	温泉	1854	(温泉, 名詞)
7	7	スタッフ	1677	(スタッフ, 名詞)
8	8	立地	1532	(立地, 名詞)
9	9	よい	1517	(よい, 形容詞)

		表層	部屋	良い	ホテル	風呂	ない	美味しい	温泉	スタッフ	立地	よい	...	徒歩	プラン	少ない	安い	旅館	ありがたい	楽しい	建物	必要だ	十分だ
カテゴリー	エリア	文書ID
A_レジャー	01_登別	1	1	0	0	0	0	1	5	1	0	0	...	0	1	0	0	0	0	0	0	0	0
		2	4	1	0	0	1	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
		3	1	0	0	1	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
		4	0	1	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
		5	5	0	0	1	2	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
B_ビジネス	10_福岡	9996	2	0	1	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
		9997	1	0	0	2	0	0	0	0	1	0	...	0	0	0	0	0	0	0	0	0	0
		9998	0	0	1	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
		9999	0	0	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
		10000	0	1	1	0	0	0	2	0	0	0	...	0	0	0	0	0	0	0	0	0	0

		表層	部屋	良い	ホテル	風呂	ない	美味しい	温泉	スタッフ	立地	よい	...	徒歩	プラン	少ない	安い	旅館	ありがたい	楽しい	建物	必要だ	十分だ
カテゴリー	エリア	文書ID
A_レジャー	01_登別	1	1	0	0	0	0	1	1	1	0	0	...	0	1	0	0	0	0	0	0	0	0
		2	1	1	0	0	1	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
		3	1	0	0	1	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
		4	0	1	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
		5	1	0	0	1	1	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
B_ビジネス	10_福岡	9996	1	0	1	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
		9997	1	0	0	1	0	0	0	0	1	0	...	0	0	0	0	0	0	0	0	0	0
		9998	0	0	1	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
		9999	0	0	0	0	0	0	0	0	0	0	...	0	0	0	0	0	0	0	0	0	0
		10000	0	1	1	0	0	0	1	0	0	0	...	0	0	0	0	0	0	0	0	0	0

表層	部屋	良い	ホテル	風呂	ない	美味しい	温泉	スタッフ	立地	よい	...	徒歩	プラン	少ない	安い	旅館	ありがたい	楽しい	建物	必要だ	十分だ
表層
部屋	4580	2023	1165	1313	1094	1112	769	791	780	714	...	192	207	209	179	148	200	153	184	180	191
良い	0	3839	922	1044	764	919	696	745	790	344	...	169	146	156	140	134	135	130	152	122	126
ホテル	0	0	2157	435	550	395	270	373	426	298	...	124	88	87	100	34	95	64	89	103	84
風呂	0	0	0	2150	521	612	411	362	303	348	...	84	84	113	65	88	86	85	80	82	86
ない	0	0	0	0	1746	392	321	344	303	326	...	91	110	118	96	70	83	46	78	118	77

	文書ID	表層	品詞	カテゴリー	エリア	dict_key
0	1	リクエスト	名詞	A_レジャー	01_登別	(リクエスト, 名詞)
1	1	温泉	名詞	A_レジャー	01_登別	(温泉, 名詞)
2	1	ラブ	名詞	A_レジャー	01_登別	(ラブ, 名詞)
3	1	割	名詞	A_レジャー	01_登別	(割, 名詞)
4	1	得	名詞	A_レジャー	01_登別	(得, 名詞)

表層	部屋	良い	ホテル	風呂	ない	美味しい	温泉	スタッフ	立地	よい	...	徒歩	プラン	少ない	安い	旅館	ありがたい	楽しい	建物	必要だ	十分だ
表層
部屋	0.0	0.316291	0.209081	0.242385	0.209098	0.202329	0.147488	0.151823	0.147448	0.139426	...	0.040695	0.044174	0.044468	0.037892	0.031637	0.042553	0.032347	0.039132	0.038322	0.040917
良い	0.0	0.000000	0.181711	0.211122	0.158473	0.185732	0.153102	0.165006	0.174047	0.072421	...	0.042250	0.036445	0.038883	0.034809	0.033915	0.033549	0.032403	0.038067	0.030394	0.031563
ホテル	0.0	0.000000	0.000000	0.112345	0.164032	0.104222	0.082067	0.116381	0.132257	0.095697	...	0.052476	0.036944	0.036265	0.042017	0.014352	0.039882	0.026711	0.037489	0.043811	0.035714
風呂	0.0	0.000000	0.000000	0.000000	0.154370	0.171621	0.130808	0.112808	0.090800	0.113837	...	0.035058	0.035309	0.047760	0.026993	0.038128	0.036074	0.035895	0.033670	0.034672	0.036705
ない	0.0	0.000000	0.000000	0.000000	0.000000	0.115908	0.113508	0.121856	0.103307	0.121869	...	0.045844	0.056439	0.060296	0.048657	0.036420	0.041856	0.022966	0.039514	0.061299	0.039528

表層	部屋	良い	ホテル	風呂	ない	美味しい	温泉	スタッフ	立地	よい	...	徒歩	プラン	少ない	安い	旅館	ありがたい	楽しい	建物	必要だ	十分だ
A_レジャー	2367	2134	789	1498	957	1486	1290	916	548	677	...	135	168	207	128	236	144	234	204	104	138
B_ビジネス	2213	1705	1368	652	789	542	113	505	942	578	...	195	145	122	195	10	176	69	102	193	141
01_登別	433	422	173	296	193	260	271	149	47	111	...	12	40	45	26	30	23	40	27	16	24
02_草津	489	468	161	376	198	305	311	177	146	134	...	39	41	36	31	54	30	60	61	20	28
03_箱根	544	454	158	331	199	373	234	222	69	156	...	30	37	55	23	59	27	49	42	33	32
04_道後	408	380	228	190	157	177	231	130	184	135	...	31	24	38	31	20	33	29	31	16	24
05_湯布院	493	410	69	305	210	371	243	238	102	141	...	23	26	33	17	73	31	56	43	19	30
06_札幌	461	359	278	126	138	135	24	95	191	92	...	29	34	23	35	1	34	21	19	38	24
07_名古屋	430	337	267	123	155	104	30	99	164	130	...	40	32	29	41	3	42	9	31	29	32
08_東京	398	345	276	119	162	82	9	100	172	113	...	31	31	28	29	3	30	10	12	38	30
09_大阪	459	316	262	139	151	100	25	104	184	122	...	27	25	17	45	2	32	14	18	37	28
10_福岡	465	348	285	145	183	121	25	107	231	121	...	68	23	25	45	1	38	15	22	51	27

表層	部屋	良い	ホテル	風呂	ない	美味しい	温泉	スタッフ	立地	よい	...	キレイだ	スペース	笑顔	小さい	次	布団	冷蔵庫	リピート	楽しみ	周り
A_レジャー	0.328157	0.318270	0.000000	0.265039	0.165314	0.268134	0.252298	0.166394	0.000000	0.121370	...	0.000000	0.000000	0.025158	0.020130	0.017896	0.022840	0.000000	0.020714	0.023970	0.000000
B_ビジネス	0.000000	0.000000	0.236310	0.000000	0.000000	0.000000	0.000000	0.000000	0.169791	0.000000	...	0.023701	0.020747	0.000000	0.000000	0.000000	0.000000	0.017123	0.000000	0.000000	0.019117
01_登別	0.000000	0.095540	0.000000	0.103714	0.075597	0.093931	0.127111	0.065581	0.000000	0.000000	...	0.000000	0.000000	0.016436	0.018293	0.000000	0.024955	0.015652	0.000000	0.030864	0.000000
02_草津	0.096052	0.107069	0.000000	0.135544	0.077708	0.112009	0.148662	0.078877	0.000000	0.063178	...	0.000000	0.000000	0.015557	0.000000	0.023499	0.027703	0.000000	0.022648	0.020961	0.000000
03_箱根	0.108022	0.103535	0.000000	0.117418	0.078131	0.140490	0.107884	0.100955	0.000000	0.074321	...	0.000000	0.000000	0.020851	0.031774	0.000000	0.026786	0.000000	0.025328	0.023643	0.000000
04_道後	0.000000	0.000000	0.077842	0.000000	0.000000	0.000000	0.106354	0.000000	0.079792	0.063679	...	0.016323	0.000000	0.019081	0.018293	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000
05_湯布院	0.096914	0.092572	0.000000	0.107206	0.082808	0.139631	0.112500	0.109024	0.000000	0.066698	...	0.000000	0.000000	0.038904	0.000000	0.019064	0.000000	0.019197	0.023540	0.020961	0.030810
06_札幌	0.090057	0.000000	0.096561	0.000000	0.000000	0.000000	0.000000	0.000000	0.083080	0.000000	...	0.023356	0.021016	0.000000	0.000000	0.015544	0.000000	0.000000	0.000000	0.000000	0.000000
07_名古屋	0.000000	0.000000	0.092388	0.000000	0.000000	0.000000	0.000000	0.000000	0.070507	0.061176	...	0.028696	0.021016	0.000000	0.016522	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000
08_東京	0.000000	0.000000	0.095800	0.000000	0.000000	0.000000	0.000000	0.000000	0.074202	0.000000	...	0.000000	0.015679	0.000000	0.000000	0.000000	0.000000	0.016536	0.000000	0.000000	0.015611
09_大阪	0.089631	0.000000	0.090501	0.000000	0.000000	0.000000	0.000000	0.000000	0.079792	0.000000	...	0.026910	0.014795	0.000000	0.000000	0.019064	0.000000	0.015652	0.015571	0.000000	0.017376
10_福岡	0.090909	0.000000	0.099234	0.000000	0.071401	0.000000	0.000000	0.000000	0.102258	0.000000	...	0.000000	0.019231	0.000000	0.000000	0.000000	0.000000	0.019197	0.000000	0.000000	0.022707

	カテゴリー	エリア	施設番号	施設名	コメント	総合	サービス	立地	部屋	設備・アメニティ	風呂	食事	旅行の目的	同伴者	宿泊年月	投稿者	年代	性別
70	A_レジャー	01_登別	29995	ゆとりろ洞爺湖	会席料理の宿を探していて見つけました。お料理大変おいしかったです。オールインクルーシブも気兼...	4	3	4	5	4.0	4.0	4.0	レジャー	家族	45139	投稿者	na	na
155	A_レジャー	01_登別	5499	室蘭プリンスホテル	シンプルで静かで素敵なホテルでした。趣のある商店街の一角にあり、歩いてすぐのところにコンビニ...	4	4	5	4	4.0	NaN	3.0	レジャー	家族	45200	Rikappa☆	40代	女性
166	A_レジャー	01_登別	37379	登別温泉　名湯の宿　パークホテル雅亭	2週間後の宿泊　温泉地のホテルでなるべく価格を抑えて朝夕食事付き　で探し、古いのかな、とおも...	5	5	5	5	5.0	5.0	5.0	レジャー	家族	45200	にゃんこのら	50代	女性
218	A_レジャー	01_登別	29995	ゆとりろ洞爺湖	愛犬と足の悪い姉と夫の３人と一匹で、伺いました。お部屋は、古い感じですが、和室で皆寛ぐ事が出...	4	5	3	3	3.0	2.0	5.0	レジャー	家族	45231	投稿者	na	na
244	A_レジャー	01_登別	162792	虎杖浜温泉ホテル	お食事は夕食朝食ともに、素晴らしかったです。お部屋とお風呂にブラシがなく？と思って帰りに気が...	4	4	4	2	3.0	3.0	5.0	レジャー	家族	44986	投稿者	na	na
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
4844	A_レジャー	05_湯布院	145331	旅館　由布山	夕食はとても美味しくいただきました。内風呂もいつでも入れてとても良かったです。ただ、フロント...	3	2	2	3	3.0	4.0	4.0	レジャー	家族	45383	ふゆのいろ	60代	女性
4860	A_レジャー	05_湯布院	76377	由布院温泉　朝霧のみえる宿　ゆふいん花由	3月14日に宿泊しました。お出迎えから部屋の説明が非常に良かったです。夕食が残念でした食材に...	3	3	4	5	4.0	5.0	2.0	レジャー	家族	44986	投稿者	na	na
4885	A_レジャー	05_湯布院	76447	由布院温泉　由布の癒　友里	別府に2泊して、湯布院にも行ってみたくなって急遽当日予約しました。素泊まりで予約しましたが、...	3	4	3	4	3.0	4.0	3.0	レジャー	家族	45108	maimaifaith	50代	女性
4919	A_レジャー	05_湯布院	41833	由布院温泉　山荘　四季庵	家族旅行で利用しました。露天風呂は、虫が浮いていたので置いてあった網で取り除いてから入りまし...	4	4	4	4	4.0	4.0	4.0	レジャー	家族	45139	ダック0509	50代	女性
4996	A_レジャー	05_湯布院	75289	由布院温泉　東匠庵	こちらの宿はクチコミが良く、やっと予約が取れたのですが、期待はずれな部分が多くとても残念でし...	2	2	3	2	3.0	4.0	4.0	レジャー	家族	45231	jkv	40代	女性

	カテゴリー	エリア	施設番号	施設名	コメント	総合	サービス	立地	部屋	設備・アメニティ	風呂	食事	旅行の目的	同伴者	宿泊年月	投稿者	年代	性別
5570	B_ビジネス	06_札幌	163	ニューオータニイン札幌	夕食の北海御前4500円付のプランにしましたが、とても値段に見合わない質、量の食事でした。そ...	3	4	4	4	3.0	3.0	3.0	ビジネス	仕事仲間	45231	投稿者	na	na
5838	B_ビジネス	06_札幌	183892	ダイワロイネットホテル札幌中島公園	娘の結婚式に出席するために親族含めて2泊しました。式場にも近く夕食を摂るため近くに美味しいお...	4	5	5	5	5.0	5.0	3.0	レジャー	家族	45170	ひきはち	50代	女性
5972	B_ビジネス	06_札幌	17678	シャトレーゼ　ガトーキングダムサッポロ　ホテル＆スパリゾート	良かった点駅前から乗車できるシャトルバスはとても便利でした、もう少し本数増やしてくれると観光...	4	3	4	4	2.0	2.0	5.0	レジャー	家族	45323	nanatama_go	50代	男性
6417	B_ビジネス	07_名古屋	10897	ホテル　メルパルク名古屋	館内レストランで夕食を休止していたのでちかくの食べれるところをスタッフに尋ねたら面倒くさい感...	4	3	4	4	3.0	4.0	4.0	レジャー	友達	45261	投稿者	na	na
8998	B_ビジネス	09_大阪	164935	アートホテル大阪ベイタワー	家族3人での利用でした。空庭温泉目的だったので、とても近くてよかった。ホテル下には、スーパー...	3	2	5	3	3.0	NaN	NaN	レジャー	家族	45078	NOBU2345	40代	女性
9689	B_ビジネス	10_福岡	182181	ホテルオリエンタルエクスプレス福岡中洲川端	８月に２泊しましたが、使い捨てスリッパの袋が縦に破れていたり、トイレ・バスルームは下水臭く、...	1	1	3	1	3.0	2.0	NaN	レジャー	家族	45139	投稿者	na	na
9704	B_ビジネス	10_福岡	12562	ザ・レジデンシャルスイート・福岡	久しぶりにザ・レジデンシャルスィート福岡を利用しました。PayPayドームを利用する際に、私...	4	4	5	5	4.0	3.0	3.0	レジャー	一人	45139	ゆっきー２５１５	50代	男性
9838	B_ビジネス	10_福岡	180284	Ｔｈｅ３５８　ＵＭＩ	孫が高校受験に合格した御祝の旅行宿泊でしたが、夕食のステーキ食べ放題を楽しみにしていたのに旅...	3	3	3	4	3.0	3.0	1.0	レジャー	家族	45323	ぱ.ん.だ	50代	女性

	カテゴリー	エリア	施設番号	施設名	コメント	総合	サービス	立地	部屋	設備・アメニティ	風呂	食事	旅行の目的	同伴者	宿泊年月	投稿者	年代	性別
1019	A_レジャー	02_草津	172893	リブマックスリゾート草津温泉	6/14に宿泊しました。あいにく雨でした。少し早めにチェックインさせていただきありがとうござ...	4	4	3	4	5.0	3.0	4.0	レジャー	家族	45078	投稿者	na	na
1028	A_レジャー	02_草津	179990	ラビスタ草津ヒルズ（共立リゾート）	全てに大満足でした。大浴場も貸し切り露天風呂も気持ちよく使えました。温泉から上がった後の飲み...	5	5	5	5	5.0	5.0	5.0	レジャー	家族	45108	投稿者	na	na
1029	A_レジャー	02_草津	5270	草津温泉　ホテルヴィレッジ	良かったことリゾートパスポートでたくさん遊べた。1泊では遊びきれないほど。アーチェリーのスタ...	4	4	3	2	3.0	5.0	4.0	レジャー	家族	45383	投稿者	na	na
1030	A_レジャー	02_草津	17837	草津温泉　喜びの宿　高松	全国旅行支援は利用せずに家族旅行での利用。受付スタッフや館内や送迎スタッフの対応は親切で良か...	2	4	4	1	1.0	4.0	4.0	レジャー	家族	45017	Lefua82	40代	女性
1071	A_レジャー	02_草津	56137	草津温泉　ホテル櫻井	何度か目の宿泊で、数年ぶりでしたが大変残念な機会となりました到着車の誘導やチェックインはいつ...	2	2	3	3	3.0	4.0	1.0	レジャー	家族	45231	めい幸	50代	女性

	カテゴリー	エリア	施設番号	施設名	コメント	総合	サービス	立地	部屋	設備・アメニティ	風呂	食事	旅行の目的	同伴者	宿泊年月	投稿者	年代	性別
2025	A_レジャー	03_箱根	19786	箱根湯本温泉　ホテルマイユクール祥月	４月２２日に結婚記念日４５周年で１泊致しました。以前、改装前に１泊したことが有ります。今回は...	4	4	5	5	5.0	4.0	4.0	レジャー	家族	45383	千春大好き7034	60代	女性
2028	A_レジャー	03_箱根	15250	ＥＮ　ＲＥＳＯＲＴ　Ｒｅ’Ｃｏｖｅ　Ｈａｋｏｎｅ（旧：リ・カーヴ箱根）	11月の土日に宿泊しました。夕食のバイキングが美味しかったです。北館に泊まりましたが、レスト...	3	4	5	2	4.0	5.0	5.0	レジャー	家族	45231	投稿者	na	na
2040	A_レジャー	03_箱根	142546	四季を愉しむ貸切温泉　ゆとりろ庵	スタッフの皆さんはとても優しく丁寧に接してくれました。チェックインの時も、端末操作に戸惑って...	5	5	5	5	5.0	5.0	5.0	レジャー	家族	45383	拡散型ミラマクス	40代	男性
2066	A_レジャー	03_箱根	142546	四季を愉しむ貸切温泉　ゆとりろ庵	お世話になりました。古い宿ですが雰囲気が良かったです。フロントや、飲み物サービスなどは大満足...	3	3	5	4	4.0	3.0	2.0	レジャー	友達	45078	テトテトしゃん	70代	女性
2075	A_レジャー	03_箱根	5081	箱根湯本温泉　ホテルおくゆもと	子連れ妊娠中の宿泊でしたが、接客も良く比較的満足でした。お料理も美味しかったですが、夕食の子...	5	5	5	3	5.0	4.0	4.0	レジャー	家族	45108	投稿者	na	na

	カテゴリー	エリア	施設番号	施設名	コメント	総合	サービス	立地	部屋	設備・アメニティ	風呂	食事	旅行の目的	同伴者	宿泊年月	投稿者	年代	性別
3157	A_レジャー	04_道後	8384	道後プリンスホテル〜旬華趣湯　あったらいいな、が湧く湯宿〜	夕食の際の細やかな説明がなく、どのタイミングで次の食事なのか子供のたこ焼きはいつ出来るのか？...	4	4	4	3	3.0	3.0	2.0	レジャー	家族	44986	投稿者	na	na
3266	A_レジャー	04_道後	13653	道後温泉　ホテル椿館	道後温泉本館や商店街から近い立地なので、とても便利でした。ホテルの温泉も良かったです。接客も...	5	4	5	4	3.0	4.0	4.0	レジャー	一人	45352	( ^o^ )4649	30代	女性
3420	A_レジャー	04_道後	11332	道後温泉　ふなや	女性二人の旅行でしたので宿ではのんびりと過ごしたいと思い部屋での夕食と温泉つきのプランを選び...	4	4	5	4	5.0	4.0	5.0	レジャー	一人	44927	投稿者	na	na
3527	A_レジャー	04_道後	10788	道後温泉　道後舘	立地はハイカラ通りから近いですが少し高台にあり坂道になっています。到着時たくさんのスタッフに...	5	5	4	5	5.0	5.0	4.0	レジャー	家族	45139	ひろみEX	50代	女性
3643	A_レジャー	04_道後	141611	オーベルジュ道後	からくり時計からほど近く、道後を観光するなら最適な場所だと思います。部屋も広くて快適でした。...	3	3	5	4	3.0	2.0	2.0	レジャー	家族	45261	投稿者	na	na

	カテゴリー	エリア	施設番号	施設名	コメント	総合	サービス	立地	部屋	設備・アメニティ	風呂	食事	旅行の目的	同伴者	宿泊年月	投稿者	年代	性別
4024	A_レジャー	05_湯布院	76377	由布院温泉　朝霧のみえる宿　ゆふいん花由	食事が大変美味しかったです。夕食も手が込んでおり、器も素敵で大変美味しかったです。また、旅館...	5	5	4	4	5.0	4.0	5.0	レジャー	家族	44986	栗納豆	40代	女性
4041	A_レジャー	05_湯布院	129936	旅籠Ｈａｔａｇｏ　香乃蔵　（旧名：湯亭　香乃蔵）	お食事が素晴らしいお宿。出てくる一品一品が美味しく大満足です！器も、温かい物は温めてあり冷た...	5	5	3	5	5.0	4.0	5.0	レジャー	家族	45017	thinking time	40代	女性
4092	A_レジャー	05_湯布院	31932	湯平温泉　　花合野	綜合評価は２にしましたが、心情的には１です。なぜなら最低限のサービスを提供していないので、評...	2	1	3	3	2.0	1.0	4.0	レジャー	家族	45231	投稿者	na	na
4109	A_レジャー	05_湯布院	76377	由布院温泉　朝霧のみえる宿　ゆふいん花由	この宿はお天気次第で評価はかなり変わると思います。　お天気がよければ素晴らしい眺めなのでしょ...	4	3	4	4	3.0	4.0	4.0	レジャー	家族	45383	バルおばさん	60代	女性
4147	A_レジャー	05_湯布院	106080	湯布院温泉　御宿　由布乃庄	到着がやや遅くなってしまったところ、夕食の時間を規定よりもずらして頂き、食事前にお風呂に入り...	5	5	4	5	4.0	5.0	5.0	レジャー	家族	44958	投稿者	na	na

day 4-1¶

0. はじめに¶

1. テキスト分析 (1)¶

1.0 事前準備 (定義済み関数の読み込み)¶

1.1 データのダウンロード (前回ダウンロード済みのためスキップ)¶

1.2 データの読み込み (DataFrame型)¶

1.3 単語の抽出¶

1.4 単語の出現回数 (Top 75)¶

1.5 ワードクラウド¶

1.6 「文書-抽出語」表の作成¶

1.7 共起ネットワーク図¶

1.7.1 共起度行列を作成する (抽出語-抽出語)¶

1.7.2 Jaccard 係数を求める (抽出語-抽出語)¶

1.7.3 プロットする¶

1.8 係り受けネットワーク図¶

1.8.1 係り受け行列を作成する¶

1.8.2 条件付き確率を求める¶

1.8.3 プロットする¶

1.9 対応分析¶

1.9.1 「外部変数-抽出語」 クロス集計表を作成する¶

1.9.2 対応分析プロットを作成する¶

1.10 トピックモデル¶

1.10.1 トピックを抽出する (LDA)¶

1.10.2 トピックをワードクラウドで描画する¶

1.10.3 トピック分布をプロットする¶

1.11 外部変数の利用¶

1.11.1 「文書-抽出語」表の作成¶

1.11.2 共起行列を作成する (外部変数-抽出語)¶

1.11.3 Jaccard 係数を求める (外部変数-抽出語)¶

1.11.4 特徴語ランキング¶

1.11.5 ワードクラウド (カテゴリーごと)¶

1.11.6 共起ネットワーク図 (カテゴリーごと)¶

1.11.7 トピック分布 (カテゴリーごと)¶

1.11.7.1 文書全体からトピックを抽出する (LDA)¶

1.11.7.2 トピックをワードクラウドで描画する¶

1.11.7.3 トピック分布をプロットする¶

1.11.8 本文の参照 (カテゴリーごと)¶

【演習】 外部変数を利用したエリアごとの作図¶

2.1 【演習】 ワードクラウド (エリアごと)¶

2.2 【演習】 共起ネットワーク図 (エリアごと)¶

2.3 【演習】 トピック分布 (エリアごと)¶

2.4 【演習】 本文の参照 (エリアごと)¶

1.9.1 「外部変数-抽出語」クロス集計表を作成する¶

【演習】外部変数を利用したエリアごとの作図¶

2.1 【演習】ワードクラウド (エリアごと)¶

2.2 【演習】共起ネットワーク図 (エリアごと)¶

2.3 【演習】トピック分布 (エリアごと)¶

2.4 【演習】本文の参照 (エリアごと)¶